이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
이 분야의 이벤트
책소개
목차
|
서문
감수자 서문 이 책에 대해서 1장 구글의 탄생 1. 검색엔진의 진화 2. 검색엔진의 구조 3. 크롤링-온 세상의 웹 페이지를 수집한다 4. 인덱스 생성-검색용 데이터베이스를 만든다 5. 검색 서버-요청하는 정보를 즉석에서 찾아낸다 구글의 기술력 파헤치기! - 초기 구글의 전체적인 모습 2장 구글의 공룡화 1. 인터넷을 검색하는 거대 시스템 2. 세계로 눈을 돌린 검색 클러스터 구글의 기술력 파헤치기! - 구글의 기본적인 사상 3장 구글의 분산 스토리지 1. GFS-분산 파일 시스템 2. Bigtable-분산 스토리지시스템 3. Chubby-분산 잠금 서비스 구글의 기술력 파헤치기! - 구글의 기반 시스템 4장 구글의 분산 데이터 처리 1. MapReduce-분산처리를 위한 기반 기술 2. Sawzall-분산처리용 프로그래밍 언어 구글의 기술력 파헤치기! - MapReduce와 Sawzall 5장 구글의 운용 비용 1. 구글의 운용 비용은 얼마나 될까? 2. CPU는 어디에 전기를 사용하는가 3. PC의 소비 전력을 절감한다 4. 데이터 센터의 전력 배치 5. 하드디스크는 언제 고장 나는가 6. 미국 전역으로 널어지는 거대한 데이터 센터 구글의 기술력 파헤치기! - 비용 우위성 6장 구글의 개발 체제 1. 자주성을 중시하는 소프트웨어 개발 2. 커스터마이즈 3. 테스트를 자동화한다 구글의 기술력 파헤치기! - 구글 환경과 체제 |
저자 소개 1
西田圭介
1976년 일본 효고현에서 태어났다. 트레저 데이터에 근무하고 있으며, 저서로는 『구글을 지탱하는 기술』 등이 있다.
니시다 케이스케의 다른 상품
역자 : 김성훈
한국외국어대학교 일본어과를 졸업한 후 보람하이테크의 전산 관리 및 매뉴얼 번역과 통역을 맡았다. SCJ P·MCP·인터넷 정보검색사와 웹 관련 프로그래머로 활동했다. 현재 번역 에이전시 하니브릿지에서 IT 및 기술 서적 전문 번역가로 활동 중이다. 번역서로는 『아무도 가르쳐 주지 않았던 소프트웨어 설계 테크닉』 『UML모델링의 본질』 『성공과 실패를 결정하는 1%의 네트워크원리』 『Java가 보이는 그림책』 『성공과 실패를 결정하는 1%의 C기초 프로그래밍』 『C 이보다 쉬울 순 없다』 『당신만이 할 수 있는 일을 하라』 등이 있다.
감수 : 전병국
라이코스 코리아 검색 팀장으로 뉴스와 검색 서비스를 총괄했다. 그 후 독립하여 검색엔진 전문 컨설팅 회사인 검색엔진마스터의 대표로 활동 중이다. 검색엔진에 관련된 다양한 컨설팅을 수행했으며, 국내 최대 규모의 검색엔진 컨퍼런스인 ‘서치데이’를 총괄하고 있다. 우송대학교에서 외래교수로 활동했고, 서울대, 카이스트, 삼성, LG 등 여러 학교와 기업에서 강의를 하고 있다. 저서로는 『Delete』 『검색엔진 등록과 상위랭킹 전략』이 있고, 감수를 맡은 책으로는 『구글스토리』가 있다.
관련 분류
- 카테고리 분류
품목정보
- 발행일
- 2008년 12월 01일
- 쪽수, 무게, 크기
- 376쪽 | 530g | 153*214*30mm
- ISBN13
- 9788963050041
책 속으로
|
크롤러가 대량의 웹 페이지를 수집할 때, 특정 웹 사이트에 액세스를 집중시켜서는 안 된다. 단시간에 지나치게 많은 웹 페이지를 요청하면 해당 사이트로부터 접속을 거부 당할 수도 있기 때문이다. 특정 사이트에 부하를 집중시키지 않고 폭 넓게 웹 페이지를 수집할 수 있도록 스케줄을 세우고 계획적으로 움직여야만 한다.
--- p.50 |
|
전 세계의 웹 페이지를 모아 처리하기 위해서는 몇 개의 하드디스크로는 도저히 감당할 수 없을 만큼 막대한 디스크 용량이 필요하다. 구글에서는 다수의 컴퓨터에 복수의 하드디스크를 장착함으로써, 사실상 얼마든지 디스크 용량을 확대할 수 있도록 하고 있다.
--- p.108 |
|
MapReduce는 특히 GFS의 입력파일과 조합하면 뛰어난 성능을 발휘한다. 다수의 머신으로 분산된 Map 처리는 가능한 한 해당 머신에서 파일을 읽어 들이기 때문에 전체적인 읽기 속도가 매우 빠르다. 그 반면에 쓰기는 복수의 머신으로 복사되기 때문에 느려지지만, MapReduce로 가공된 데이터는 작아지는 경향이 있으므로, 기록해야 하는 양은 작은 데서 그친다.
--- p.260 |
